企业面临的三类数据，该如何应用？

企业面临三种数据，一种是企业内部交易数据，另一种是企业与用户之间的交互数据，另一种是第三方数据，也称为外部数据。过去，企业的数据资产是基于第一类数据，利用人口属性、销售数据、物流数据、内部流程等数据建立数据资产，进行商业应用。客户行为数据也被称为交互数据，主要包括客户在网站和移动应用程序中的浏览和点击，以及客户在论坛上的言论行为。客户主动发起的言论行为数据应用较多，主要用于舆论监控和客户关系管理，部分企业用于产品反馈和迭代。应用程序内部的点击和浏览数据业务应用较少，主要用于产品体验分析、渠道管理、用户运营等方面。企业很少*App内部点击和浏览行为数据，商业应用也很少。其实app的行为数据有很大的商业价值，但是很多企业不知道如何应用。在金融行业，金融公司Klarna发现，使用的行为数据是金融数据的4倍。在三位创始人中，有两位硕士论文研究如何利用行为数据进行金融冒险。一些企业也开始讨论App行为数据的商业价值，利用行为数据进行数字营销。App行为数据的收集和分析App行为数据的收集基本采用SDK的方式，收集客户在App页面的点击行为，也可以回传参数。SDK是几行轻量级代码，采集数据的类型取决于埋点。SDK在数据采集方面没有技术壁垒，行为数据应用的主要技术壁垒在于海量行为数据的处理和分析。许多企业总是认为SDK数据采集会涉及个人隐私，主要是不了解SDK数据采集的技术原理。SDK的全名是SoftwaredevelopmentKit，直接翻译为软件开发包，N行软件代码用于数据采集。SDK收集的任何数据都来自客户的主观控制，可以从SDK埋点区分是否涉及个人隐私数据。个人隐私数据在美国有严格的定义。基本定义是从社会群体中识别个人数据，包括社会保障号码、手机号码、家庭地址、私人邮件编码等7种类型的PII数据。并非所有的数据都是个人隐私数据。企业在正常业务活动中获得的个人隐私数据并不违反法律法规。企业和第三方在未经客户授权的情况下使用个人隐私数据是违反法律法规的。例如，电子商务拥有客户的名称、地址、电话号码甚至银行卡号码和支付账户。在客户授权使用的前提下，电子商务拥有和使用这些数据并不违反法律法规。但是，如果客户未经授权，企业使用涉及个人隐私的数据是违反国家法律的，需要法律制裁。应用程序内部行为数据的处理和分析具有较高的技术门槛。SDK将收集大量的脏数据，包括一些空白区域和特殊符号，甚至是从未见过的数据类型。这些脏数据的处理和分析具有很大的技术挑战，特别是数据的实时收集和处理。成熟的技术架构和数据处理模式需要时间和实际的战斗来测试。只有经过大量的数据收集和处理，填补大量的技术坑，技术人员才能形成成熟的技术架构。SDK收集的数据将被专业地处理，不会错过和记住错误的数据。采集和处理数据是一项肮脏的工作，需要在真实的数据环境中进行实战，具有较高的技术壁垒和门槛。技术人员几年积累的技术经验是具有较大商业价值的技术财富。App行为数据的商业价值App行为数据也可以称为intention数据，代表客户的好奇心和需求。就像搜索数据一样，行为数据可以反映客户对商品爱好和购买的一些需求。行为数据在应用前需要结构化和标签化。结构化是指将行为数据的显示形式从非结构数据转变为结构数据，并进行分类和统计。标签数据是指根据业务场景将行为数据贴上业务标签，标签基本围绕设备，与业务场景深度结合。行为数据标签的过程是从行为数据中发现商业价值的过程。行为数据标签需要考虑时间、频率和结果三个数据维度。行为数据的时间维度主要*行为的时间段和持续时间，其中时间段数据用于目标设备的时间范围选择、营销活动分析和营销推广计划设置。时间段也可用于风险控制和反欺诈场景，特殊群体的App使用行为在时间段有很高的相似性。持续*行为的过程，记录行为的开始和结束。持续时间对用户行为的分析具有重要意义。不同的时间代表不同的特征和个性。有些持续时间与客户类型有很大的相似性，在一些数据模型分析中具有很高的商业价值。持续时间可用于购买者分析或产品体验分析。在特定场合，持续时间也可用于反欺诈分析。行为数据的频率主要集中在某些特定行为的频率和趋势上，这与客户的兴趣有很大的正相关性。在一定时间内，点击浏览次数与客户的购买需求成正比。标签化后，可用于营销，识别潜在客户。频率也可用于用户体验分析和产品分析。通过热图了解产品体验和客户需求，优化应用程序内部布局，销售相关产品。数量与产品交易和客户购买需求关系较弱，但进一步分析后点击浏览次数可转换为趋势数据，这些数据与产品转换和客户购买行为密切相关，如客户从不使用汽车和房地产应用，突然增加使用频率，从趋势分析可以预测客户的购买需求，在某些应用场景中，趋势数据高于频率数据的商业价值，可直接预测客户的购买需求。行为数据的结果主要集中在是否完成交易，以判断客户点击浏览的结果。行为数据的结果主要集中在是否完成交易，以判断客户点击浏览的结果。结果数据分为交易和非交易，填充值也可以根据业务需要收集，用于进一步应用。结果数据中的交易数据可用于产品体验分析、客户体验分析、渠道ROI分析。无交易数据可用于二次营销，再次营销潜在客户。二次营销需要结合时间段、持续时间和频率数据进行综合分析，筛选目标客户进行营销。无交易数据也可用于产品体验分析，结合交易数据和时间数据了解产品问题，并转换漏斗。结果数据可以作为重要维度的参考数据直接营销或添加到数据模型中。在建立行为标签的过程中，结果数据有更多的应用场景。过去，三个应用程序行为数据的场景应用企业主要使用交易数据进行营销，典型的是数据库营销中的相关分析和交叉销售。交易数据对营销有很大的商业价值，尤其是老客户。例如，一些产品的客户回购率较高，可以使用交易数据进行多次营销，降低营销成本，企业愿意使用交易数据进行数字营销。行为数据在营销和风险控制中有很多应用场景。本文主要介绍营销场景，并对风险控制场景进行详细分析。与交易数据相比，行为数据具有较大的不确定性，行为数据更注重客户的兴趣偏好。与交易数据营销相比，行为数据的转化率不是很稳定，但应用范围相对较大，潜在目标群体基础较大，即使转化率较低，目标客户也会很多。有一次，某券商用户发现了近40%的转化率，大大超出了想象。一般行为数据营销的转化率低于10%，集中在1%－5%直接。如果低于1％基于行为数据建立的营销计划的转化率将被放弃。行为数据的场景应用是基于场景标签的，基于应用程序内部行为的场景应用来自于具体的业务目标，如证券应用程序、购买金融、股票交易、基金交易、贵金属购买、*收藏等。账单分期付款、现金分期付款、支付、消费金融、购买商品等。有两种想法可以建立场景行为数据标签，一种是从业务需求(业务场景)出发，寻找与其高度相关的行为数据。另一种是从统计中发现与业务转型相关的行为数据。从业务需求中建立行为数据的场景标签相对简单，即分析应用程序中业务的交易路径（交易步骤）。在接近交易路径的前几步，根据时间、频率和结果建立场景标签。证券业应用程序可建议以下行为标签。下载应用程序未绑定交易账户的设备绑定交易账户未交易的用户在过去三个月*某些板块的股票，但未交易的客户在过去三个月*某些金融咨询，但未交易的客户在过去三个月查询某只股票，但未交易的客户三次点击某只股票进行交易，但未交易的客户点击某只股票进行交易，交易客户（二次营销）在非交易时间查询某一板块的三只股票，未交易客户非交易时间查询板块股票交易客户新*板块股票，但未交易客户过去一周查询三次股票价格，但未交易客户信用卡应用*客户是否绑定卡，是否使用账单和卡工具功能（取代其他手动渠道），是否获得权益，是否*高端白金卡，是否有潜在账单分期付款客户？／现金分期付款客户／预付现金客户／消费金融客户／特殊分期客户／股权商品客户等。基于信用卡应用程序内部的点击行为，可以建议以下基于行为数据的场景标签下载应用程序未绑定卡用户（过去一年）未收到权益用户尝试账单分期付款功能未申请客户尝试现金分期付款功能未申请客户申请账单分期付款未决定客户汽车分期付款点击未交易客户白金卡权益区浏览三次以上，未申请客户餐票*点击三次未交换客户配额调整尝试，未申请客户配额申请提交，未成功客户预借现金，未申请客户积分查询未兑换客户IPhone7手机分期点击5次，未申请客户应用场景标签的另一个想法是从行为数据统计中找到与业务转换相关的行为数据。例如，根据现金分期付款交易客户的特点，统计现金分期付款交易客户的典型行为特征，如访问时间、区域、年龄、设备类型、账单金额、查询次数、点击次数等。例如，根据现金分期付款交易客户的特点，统计现金分期付款交易客户的典型行为特征，如访问时间、区域、年龄、设备类型、账单金额、查询次数、点击次数等。统计这些数据，分析高度相关的特征值和分布特征，使用描述性分析提取目标客户，或直接使用数学模型学习种子，找到潜在的分期付款客户。这种利用相关分析方法寻找特征行为数据的方法更适合数学模型进行营销。在使用行为数据建立场景标签和营销时，我们需要明白，这是一种基于弱相关系的营销方法，在大多数情况下，它的转化率将低于基于强相关系的交易数据。因此，在使用行为数据进行营销时，我们应该对转化率有心理预期，通常是1%－在某些特殊情况下，转化率将超过10%。在基于行为数据进行营销时，需要*营销效果分析和营销计划迭代优化，通过多次营销尝试找到更合适的行为标签建立方法，确定频率、时间段、结果等价值选择。并逐步建立稳定的运营计划和运营计划，一些固定的运营计划可以在一周的某一天甚至某个时间固化，形成固定的运营计划。每天上班时，运营商可以发送前一天基于行为数据的运营客户(push或短信)，监督其转化，不断迭代，逐步建立基于行为数据的标准运营计划和运营计划。该操作方案可以是基于数据学模型的标准场景标签(描述型)或结果。基于行为数据的场景营销可以通过统计分析平台建立目标客户群，通过SMCE建立营销计划和营销优化。营销成功的关键在于不断尝试，优化场景标签中的数据维度和值，固化预期的方案，形成标准的运营方案。